一个固定随机种子,让同一段8秒音乐循环出现在76条短视频里,而团队整整三周没有察觉。这段循环来自一个180行的numpy合成器脚本,文件开头写着default_rng(7),于是每一次渲染出来的都是逐字节相同的音轨。

打开网易新闻 查看精彩图片

事情的起点很朴素:短片段需要背景音乐,又不想付授权费,于是负责日常运营的AI代理写了个小合成器——底鼓、军鼓、踩镲、一条贝斯线、一段铃音旋律。为了让渲染结果可复现,生成器只播种了一次。可复现确实做到了:同样风格、同样长度的两次渲染,哈希值完全一致。

问题出在流水线上。每个片段都经过同一套批量处理,渲染这段音轨、混到视频底下,而每个任务请求的都是同一种风格。没有任何环节问一句:前面十条帖子是不是已经用过它了。

测出来是一条平线

用ffmpeg的EBU R128滤镜一测,响度范围(LRA)低于1 LU——这是节拍器才会给出的数值。发布出去的版本比源文件更糟,因为流水线还把模型自己生成的音频以×0.45的音量叠了上去,之后没有做限幅。

找精确副本:哈希解码后的PCM

容器字节会变,音频本身不变——不同的封装器、元数据、时间戳都会让文件哈希对不上。所以先把音频解码成原始PCM再算哈希。这一步把同一批分组了出来:2026年11月14日和15日发布的所有模板片段,PCM摘要完全相同。

但从YouTube、TikTok和X下载回来的文件一个都没匹配上。每个平台都会重新编码,用自家的Opus或AAC码率,改一个比特哈希就废了。

找重编码副本:对数频谱图上的最佳偏移余弦

对发布出去的文件,做法是取每条帖子3秒的窗口,在整段循环上滑动比对每一个偏移位置,保留最高的余弦相似度。阈值定在0.75。

在从各平台下载回来的192个文件上,这段循环的副本得分落在0.76到0.98之间,即便叠了模型生成的音频也一样。原创配乐和口播片段得分在0.0到0.6之间。没有任何一个落在0.6到0.76之间,所以0.75这个阈值不需要调。

结果:76条帖子、40个不同片段,最早使用日期是2026年10月27日。

换掉声音,救回了停留,没救回触达

最直接的修法是每条帖子用不同的声音。测试用了最便宜的方式:同一条TikTok片段发两次,一次配这段循环,一次配当周的热门声音,都在12小时时点读数。

配热门声音的那条,完播率从12.1%涨到25.2%。但触达没有变化,平台仍然在大约500次播放的位置停止推送。

YouTube给了一个更清楚的反例。10月底的Shorts峰值时每天约11000次播放,几乎全部来自Shorts信息流,其中好几条根本没有音乐,观众还在评论里说"没有声音"。11月的Shorts带着这段循环,每条只拿到0到16次信息流曝光。

对得上的差异不在音频:10月是当周流行格式的新片段,有人脸、0.0秒就有动作;11月是产品模板的二次混剪,开场是一张白色网格的参考图。

这套方法测不出的东西

  • 频谱图匹配只在手里有参考音频时有效,它没法告诉你两段不同的素材音乐同样平庸。
  • 0.75能用,是因为两组样本离得足够远。如果音乐共用同一套鼓组,就需要真正的音频指纹工具(chromaprint)或更窄的频带。
  • TikTok那组数据每边只有一条,只能算方向,不算结论。YouTube的对比混了选题、格式、季节和发布量,"是格式不是声音"是最佳解读,不是证明。
  • 流水线里目前还没有任何环节能拦住重复。现在的规则靠人:每条重新发布的片段都静音自己的音轨,在应用内加上平台热门声音,且与最近10条不同。上面那个匹配函数是现成的自动闸门,但还没接进去。

改了什么

值得重发的9条片段各自换上了不同的热门声音,在应用内上传时选择,而不是烘焙进文件。最弱的48条Shorts被标记为设为私密,而不是删除。下一个要测的变量正是YouTube数据指向的那一项:用当周流行的格式做新片段,声音保持原样。